铁路货车车号自动识别相关算法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 本课题研究的背景与意义 | 第11页 |
| 1.2 铁路货车车号自动识别系统的国内外发展现状 | 第11-14页 |
| 1.2.1 国内外的发展状况 | 第11-13页 |
| 1.2.2 铁路货车车号自动识别系统中常见的问题 | 第13-14页 |
| 1.3 论文主要内容及章节安排 | 第14-16页 |
| 1.3.1 本课题的主要内容 | 第14页 |
| 1.3.2 本文的主要内容和章节安排 | 第14-16页 |
| 第2章 铁路货车车号图像预处理 | 第16-24页 |
| 2.1 图像灰度化 | 第16-17页 |
| 2.1.1 图像灰度化主要算法 | 第16-17页 |
| 2.1.2 加权均值法对图像灰度化 | 第17页 |
| 2.2 灰度拉伸 | 第17-19页 |
| 2.2.1 灰度拉伸简介 | 第17-18页 |
| 2.2.2 灰度拉伸效果图 | 第18-19页 |
| 2.3 图像平滑 | 第19-23页 |
| 2.3.1 频域平滑 | 第19-21页 |
| 2.3.2 空间域的平滑 | 第21-23页 |
| 2.3.3 图像平滑效果图 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 铁路货车车号区域的定位 | 第24-37页 |
| 3.1 车号区域定位简介 | 第24-25页 |
| 3.2 边缘提取 | 第25-27页 |
| 3.2.1 梯度算子 | 第25-26页 |
| 3.2.2 拉普拉斯算子 | 第26-27页 |
| 3.3 小波变换 | 第27-31页 |
| 3.3.1 小波变换定义介绍 | 第27页 |
| 3.3.2 多分辨分析 | 第27-28页 |
| 3.3.3 Mallat小波快速分解算法 | 第28-31页 |
| 3.4 本文车号区域的定位 | 第31-36页 |
| 3.4.1 基于行扫描的水平定位 | 第31-32页 |
| 3.4.2 基于小波变换的垂直定位 | 第32-34页 |
| 3.4.3 自适应阈值的定位 | 第34-35页 |
| 3.4.4 定位实验结果分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 车号区域字符分割 | 第37-48页 |
| 4.1 车号区域分割综述 | 第37页 |
| 4.2 车号区域的二值化 | 第37-41页 |
| 4.2.1 二值化的基本原理 | 第37-38页 |
| 4.2.2 阈值分割算法 | 第38-39页 |
| 4.2.3 基于方差阈值的二维扩展分割算法 | 第39-40页 |
| 4.2.4 改进的Ostu算法 | 第40-41页 |
| 4.3 车号字符的分割算法 | 第41-43页 |
| 4.3.1 粘连字符分割方法 | 第41-43页 |
| 4.3.2 断裂字符分割算法 | 第43页 |
| 4.4 本文字符分割算法 | 第43-47页 |
| 4.4.1 车号字符特征分析 | 第43-44页 |
| 4.4.2 车号分割算法实现 | 第44-46页 |
| 4.4.3 实验结果分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 货车车号字符识别 | 第48-61页 |
| 5.1 货车车号识别方法简介 | 第48-49页 |
| 5.2 模板匹配字符识别 | 第49-53页 |
| 5.2.1 模版匹配识别算法 | 第49-50页 |
| 5.2.2 创建匹配模版 | 第50页 |
| 5.2.3 字符特征提取 | 第50-51页 |
| 5.2.4 模版匹配 | 第51-52页 |
| 5.2.5 模版匹配识别算法小结 | 第52-53页 |
| 5.3 基于神经网络的车号字符识别 | 第53-59页 |
| 5.3.1 人工神经网络简介 | 第53-54页 |
| 5.3.2 BP神经网络算法介绍 | 第54-55页 |
| 5.3.3 改进的BP神经网络 | 第55-56页 |
| 5.3.4 本文字符识别神经网络的设计 | 第56-58页 |
| 5.3.5 改进BP神经网络识别算法结果分析 | 第58-59页 |
| 5.4 铁路货车车号识别系统简介 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
